مقدمه: مقیاس Synchronization و مشکل کالیبراسیون در MIMO گسترده

فناوری ورودی چندگانه (MIMO) از آرایه های کوچک در مقیاس حمایت از چند آنتن به پیکربندی های گسترده با صدها یا حتی هزاران عنصر تکامل یافته است، این آرایه های بزرگ MIMO به رادیو جدید 5G تبدیل شده اند و انتظار می رود که نقش بسیار بیشتری در هماهنگ سازی سیستم های MIMO - کارایی طیف گسترده، بهبود پرتو و افزایش اندازه فضایی - به طور دقیق در دو تراز بندی دقیق ایفا کنند:

ادغام در آرایه های MIMO بزرگ: چرا اهمیت دارد

Synchronization در یک زمینه عظیم MIMO اشاره به هم تراز زمان و هم مرحله حامل در سراسر زنجیره های ترانس گیرنده است بدون این تراز، پرتو سازی تبدیل به incoherent، منجر به کاهش افزایش آرایه، افزایش تداخل متقابل کاربر، و از طریق قطع سیستم های دوبلکس (TDD) که تسلط گسترده MIMO استقرار، کانال، به درستی تنظیم شده است که فقط در هر دو طرف زنجیره ای از هم به طور منظم و هم تراز شده است.

تیم بندی Synchronization

خطاهای زمانبندی در آرایه های بزرگ باعث اختلال در نماد می شود که در سیستم های فرکانس فرکانسی (OFDM) منجر به تداخل بین کاربرتری (ICI) و تداخل بین زمان و مقیاس انتشار (ISPPI) می شود، زیرا شبکه توزیع ساعت مرجع باید یک مداخله پایدار، کم عمق سیگنال را به هر تاخیر در رادیو ارائه دهد (تغییرات زمان) حتی در مکان های تنظیم شده توسط MIPP).

مرحله Synchronization

پرتوساز Coherent نیاز دارد که تمام عناصر آنتن با همان فاز حامل (یا یک فاز شناخته شده) انتقال دهند (و یا یک فاز افست) از نوسانات محلی (LOs) یک اختلال عمده است.در آرایه های بزرگ، توزیع یک صفحه مشترک از یک منبع واحد، کاهش می یابد، اما مسائل مقیاس پذیری نسبی را به دلیل تقسیم قدرت و زیان کابل معرفی می کند، استفاده از مستقل از LO در هر عنصر تعریف شده (ارزیابی دقیق و ردیابی سیستم).

کالیبراسیون: تضمین پاسخ عناصر یکنواخت

کالیبراسیون تفاوت های در دامنه و پاسخ فاز هر عنصر آنتن و اتصال آنالوگ آن را جلو پایان می دهد، حتی اگر هماهنگ سازی زمان و مرحله حامل، دامنه و ناسازگاری فاز در میان عناصر الگوی پرتو آرایه را تحریف می کند: دو استراتژی کالیبراسیون اصلی وجود دارد: داخلی (استفاده از مسیرهای تست داخلی) و خارجی (استفاده از سیگنال های مرجع بیش از هوا).

کالیبراسیون داخلی و محدودیت های آن

کالیبراسیون داخلی یک سیگنال مرجع شناخته شده را به هر زنجیره ترانس از طریق یک شبکه کالیبراسیون اختصاصی، این شبکه خود را معرفی می کند فرکانس وابسته و ناسازگار بی نظیری زمان، به عنوان تعداد عناصر رشد می کند، شبکه کالیبراسیون پیچیده و از دست دادن دقیق کالیبراسیون نیز با تغییرات دما و تولید کنندگان پیری قطعات کاهش می یابد.

Over-Air (OTA) کالیبراسیون

کالیبراسیون OTA از سیگنال های فرستنده مرجع خارجی استفاده می کند - اغلب یک ایستگاه کالیبراسیون اختصاصی یا یک UE در یک مکان شناخته شده - برای اندازه گیری و پاسخ عناصر صحیح، به طور مستقیم رفتار نهایی به پایان، از جمله اتصال متقابل آنتن و تعاملات محیطی آرایه را ضبط می کند.

  • ابهامات: کانال بین منبع مرجع و هر عنصر باید شناخته شده یا جدا کننده باشد.
  • بار محاسباتی: برآورد و استفاده از ضریب کالیبراسیون برای هزاران عنصر در زمان واقعی نیاز به قدرت پردازش قابل توجه دارد.
  • فرکانس تجدید نظر: [FLT 1] تغییرات زیست محیطی (جنبش ساختاری، باد- القا شده) نیاز به تجدید نظر مکرر دارد که می تواند منابع زمان هوایی مصرف کند.

یک رویکرد مشترک این است که کالیبراسیون OTA را در پس زمینه برنامه ریزی شده با استفاده از " اسلات های کالیبره" با مرجع شناخته شده UE، همانطور که در برخی از الگوریتم های پیشرفته پرتو سازی که توسط موسسه استاندارد ارتباطات اروپا (ETSI) [FLT 1] و در ادبیات IEEE در آزمون های MIMO بزرگ مستند شده است، انجام دهید.

هم پیمان و هم پیمانه های آرایه

در آرایه های متراکم، اتصال الکترومغناطیسی بین عناصر مجاور تغییر الگوی تابش موثر هر عنصر و عدم تعادل. کالیبراسیون باید برای این اثرات اتصال مانند جبران متقابل یا جاسازی کالیبراسیون به محاسبات وزن پرتو ساز می تواند مشکل را کاهش دهد، اما آنها اضافه پیچیدگی، تحمل مکانیکی در قرار دادن آنتن و به دلیل گسترش حرارتی، خطاهایی را معرفی می کنند که باید اندازه گیری و اصلاح شوند.

چالش های مقیاس: از صدها تا هزاران عنصر

با افزایش تعداد عناصر آنتن، هماهنگ سازی و کالیبراسیون وظایف به دلیل حجم کامل داده ها و نیاز به دقت بالا در کل آرایه، به طور چشمگیری سخت تر می شود.

معماری های توزیع شده و فاز Coherence

استقرار های آینده ممکن است آرایه را به چندین موج فرعی جغرافیایی جدا شده (مرجوع توزیع شده MIMO) تقسیم کنند که این پرتوهای زیر موج نیاز به زمان و تراز فاز شبکه دارد که فراتر از آنچه راه حل های تک سایت می توانند به آن دست یابند، تأخیر و jitter از لینک های جلو حیاتی می شوند. O-RAN Alliance مشخصاتی را برای هماهنگ سازی دقیق در سراسر بسته های رادیویی (RU0) تعریف کرده است؛ اما دقت در زمان بندی های جلو باقی مانده است.

دانلود بازی کامپیوتری Burden of کالیبراسیون Algorithms

الگوریتم های کالیبراسیون اغلب شامل انحراف ماتریس یا برآورد حداقل مربع برای تمام مسیرهای آنتن است.برای یک آرایه پیاده سازی N، مقیاس های پیچیدگی به عنوان O(N^3) یا بدتر اگر کل گرد و غبار در نظر گرفته شده است، الگوریتم های بازیابی کارآمد یا مبتنی بر شبکه نیاز به روش های یادگیری ماشین، به ویژه شبکه های عصبی مصنوعی، پیشنهاد شده است که پیش بینی ضریب کالیبراسیون بر اساس تاریخ، و آموزش گسترده، اما نیاز به حذف داده های گسترده دارند.

استراتژی ها و راه حل های نوظهور

محققان و مهندسان طیف وسیعی از تکنیک ها را برای حل چالش های هماهنگ سازی و کالیبراسیون در آرایه های MIMO بزرگ توسعه داده اند. برخی از امیدوار کننده ترین آنها در زیر شرح داده شده است.

توزیع شده محلی نوسانor Synchronization

به جای توزیع یک LO، هر یک از زیر موج یا حتی هر عنصر می تواند PLL خود (چرخه قفل شده) را همگام با یک نوسانگر معمولی GPS-ضر و یا مرجع شبکه IEEE 1588 باشد.پیشرفت در فرکانس کم فاز 6 موجی اجازه می دهد تا نوسانات متعدد برای حفظ انسجام در چند درجه در فرکانس های توزیع میلیمتری استفاده از سیگنال های توزیع گسترده است.

Reciprocity کالیبراسیون با UL /DL بازخورد

در سیستم های TDD، ارتقاء کانال تنها در صورتی است که پاسخ های سخت افزاری کالیبره شوند.یک روش شناخته شده شامل انتقال سیگنال کالیبراسیون شناخته شده از هر عنصر و اندازه گیری سیگنال دریافت شده در یک عنصر مرجع (یا در یک UE) با بهره برداری از کانال های اختصاص داده شده، ضریب کالیبراسیون می تواند به دست آورد.این رویکرد به بسیاری از نمونه های MIMO عظیم و استاندارد شده در روش های تنظیم (TPF) و استفاده از کانال های کالیبراسیون (0.2F) است.

یادگیری ماشین برای Real-Time کالیبراسیون

مدل های یادگیری عمیق می توانند رابطه پیچیده بین شرایط محیطی (درجه حرارت، رطوبت، سطح قدرت) و خطاهای کالیبراسیون را یاد بگیرند، هنگامی که آموزش دیده است، مدل می تواند بدون وقفه در عملیات عادی، پیش بینی و جبران کند.کدهای متنوع و شبکه های عمومی مجاور نیز به مدل سازی نقص از اندازه گیری های محدود مورد بررسی قرار گرفته اند.

پیشرفت های سخت افزاری

اجزای آنالوگ بهتر - کریستال های با کیفیت بالا، نوسانات دمایی و تغییرات فاز انعطاف پذیر دیجیتال - کاهش اندازه هماهنگ سازی و خطاهای کالیبراسیون مبتنی بر سیلیکون با شبکه های کالیبراسیون یکپارچه در حال حاضر به صورت تجاری برای آرایه ها با حداکثر 64 عنصر در دسترس هستند.

نتیجه گیری: مسیر پیش رو برای آرایه های بزرگ MIMO

Synchronization و کالیبراسیون در میان مهم ترین و از لحاظ فنی چالش برانگیز از استقرار آرایه های MIMO بزرگ در شبکه های تجاری باقی مانده است، مشکلات مربوط به طراحی سخت افزار آنالوگ، پردازش سیگنال دیجیتال و پروتکل های سطح شبکه باقی مانده است، در حالی که هیچ راه حل واحدی متناسب با تمام سناریوها، ترکیب سخت افزار بهبود یافته، الگوریتم های هوشمند و چارچوب های هماهنگ سازی مبتنی بر استانداردها به طور مداوم MIMO گسترده تر در تحقیقات در حال انجام می شود، حتی قادر به باز کردن قابلیت های اتوماسیون دقیق تر، و کارآمد است، به استفاده از قابلیت های محاسباتی و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و تعمیر و یا تعمیر و همچنین قابلیت های دقیق تر، به سرعت دقیق تر، به سرعت دقیق تر، به سرعت دقیق تر، به سرعت پردازش داده های کامپیوتری، به سرعت پردازش اطلاعات دقیق تر، به سرعت پردازش دقیق تر، به سرعت پردازش اطلاعات، به سرعت، به سرعت پردازش اطلاعات، به سرعت، به طور موثر، به سرعت پردازش دقیق تر، به سرعت پردازش اطلاعات، به سرعت، به طور مداوم، به سرعت پردازش داده های بهینه، به سرعت پردازش دقیق تر